正则表达式太宽容了

Question

我想描述一个正则表达式：

not (a|the) foo

所以(a|the)应该出现它应该匹配以下各项：

not foo
not a foo    
not the foo

在单词之间可能出现任意数量的空格。但这句话：

notfoo

不应该匹配。为此，我做了这个正则表达式：

r = re.compile('not[\s]*[a the]*[\s]+foo')

但是r过于宽松，特别是它会匹配任意数量的[a the]

我尝试使用[a the]?但是它与＃34;＆＃34;不匹配。我应该如何描述匹配零或一个或一个？

的正则表达式

Answer 1

这是你在找什么？方括号[a]表示您正在寻找a，space，t，h或e

r = re.compile('not(\s+a|\s+the)?\s+foo')

Answer 2

您可以将正则表达式与可选组一起使用：

not(?:\s+(?:a|the))?\s+foo
   ^^             ^^

请参阅regex demo

<强>击穿：

• not - not字
• (?:\s+(?:a|the))? - 一个或零（由于?量词）序列：
  • \s+ - 一个或多个空格（如果您使用*，则会匹配零个或多个空格）
  • (?:a|the) - a或the个字符序列
• \s+ - 一个或多个空格
• foo - foo字

Answer 3

r = re.compile('not[\s]*[a the]*[\s]+foo')

[] vs |

您正在寻找整个字词“a”或“the”。 [ ... ]结构与括号中的任意字母相匹配，因此[a the]*将匹配''，ah te，eehta，以及你能想到的其他任何有一个或多个这些字母的东西。

而不是[a the]*您正在寻找(a|the)。

如果您希望这些字词是可选的，则可以使用?来匹配该组0或1次，如下所示：(a|the)?

所以你会：

r = re.compile('not[\s]*(a|the)?[\s]+foo')

第一个空格匹配的*匹配0个或更多空格，+或第二个匹配1个或多个空格。

空间

您可能不想匹配的一件事是nota foo。您可以通过向(a|the)?组添加空格来避免这种情况：([\s]a|[\s]the)?：

r = re.compile('not[\s]*([\s]a|[\s]the)?[\s]+foo')

改进

这可能会满足您的需求，但您可以进行其他一些改进。

您可以使用\b来匹配单词周围的单词分隔符，而不必担心它们之前/之后的空格（请注意，您需要小心使用带有r的原始字符串使用\b时的前缀：

r = re.compile(r'not[\s]*\b(a|the)?[\s]+foo')

请注意，[周围的] ... \s也不需要：

r = re.compile(r'not\s*\b(a|the)?\s+foo')